%0 Journal Article
%T Kernel-kNN:基于信息能度量的核k-最近邻算法
%A 刘松华
%A 张军英
%A 许进
%A 贾宏恩
%J 自动化学报
%P 1681-1688
%D 2010
%R 10.3724/SP.J.1004.2010.01681
%X ？提出一种核k最近邻算法.首先给出用于最近邻学习的信息能度量方法,该方法克服了高维数据不便于用传统距离度量表示的困难,提高了数据间类别相似性和距离的一致性.在此基础上,将传统的kNN扩展为非线性形式,并采用半正定规划学习全局最优的度量矩阵.算法主要特点是:能较好地适用于高维数据,并有效提升kNN的分类性能.多个数据集的实验和分析表明,本文的Kernel-kNN算法与传统的kNN算法比较,在低维数据上,分类准确率相当;在高维数据上,分类性能有明显提高.
%K 距离度量
%K 非线性变换
%K k-最近邻(k-NN)
%K 核方法
%U http://www.aas.net.cn/CN/abstract/abstract17373.shtml